Negli ultimi tempi, sentire parlare di intelligenze artificiali, deep learning e machine learning è all’ordine del giorno. Infatti, vengono continuamente sviluppate soluzioni in grado di aiutare o addirittura sostituire l’uomo nelle attività più complesse, che altrimenti richiederebbero tempo e fatica.
Viviamo nell’era dell’interazione uomo-macchina, un’epoca in cui l’uomo lavora e vive a stretto contatto con la tecnologia. Per farlo, è necessario che le macchine siano in grado di comunicare con l’uomo e viceversa, ed è qui che entra in gioco il Natural Language Processing.
Il Natural Language Processing (NLP), o elaborazione del linguaggio naturale, è una branca dell’intelligenza artificiale che si occupa dell’analisi e della comprensione del linguaggio naturale, scritto o parlato, nello stesso modo in cui viene fatto dagli umani.
Le sue applicazioni possono essere molteplici: dalla comprensione del testo alle traduzioni, fino alla produzione di un testo in modo autonomo a partire da input di dati.
Il Natural Language Processing nacque intorno agli anni ‘80, quindi ben prima dell’introduzione dei primi algoritmi di machine learning. I primi test condotti consistevano nel fornire alla macchina un set di regole e istruzioni, insieme ad un vocabolario utilizzato come confronto tra i dati in input.
I test furono promettenti, ma un vocabolario non poteva essere abbastanza per contenere l’estesa complessità del linguaggio naturale.
Solo successivamente, con l’avvento delle intelligenze artificiali e del machine learning, fu possibile affrontare l’argomento sotto una nuova luce, avendo ormai la possibilità non solo di partire da un set di dati, ma anche di avere una macchina in grado di apprendere e svilupparsi.
L’elaborazione del linguaggio naturale si suddivide in 4 processi principali:
È molto semplice intuire l’importanza dell’innovazione che questo algoritmo può portare in un motore di ricerca.
Nel 2019 Google ha rilasciato Google BERT, uno dei più rivoluzionari update degli algoritmi del motore di ricerca. Google BERT, acronimo di Bidirectional Encoder Representations from Transformers, introduce un nuovo modello bidirezionale di elaborazione del linguaggio naturale (NLP). Il nuovo modello è in grado di comprendere il contesto della frase basandosi sulle parole o sulle frasi presenti prima e dopo, permettendo così di comprendere meglio la ricerca, sia scritta sia vocale e fornire risultati più pertinenti.
L’elaborazione del linguaggio naturale è ormai parte fondamentale della ricerca su Google: conoscerla in modo approfondito rappresenta uno strumento a proprio favore per le strategie SEO.
La diffusione del Natural Language Processing ha influenzato e continua ad influenzare il modo di fare SEO.
Basta pensare al cambiamento radicale che questa tecnologia ha portato con sé. In passato, una delle tecniche di posizionamento SEO più utilizzate era il keyword stuffing.
Il keyword stuffing, che rientra nelle tecniche black-hat SEO (ovvero tutte quelle tecniche proibite da Google poiché ne violano i termini di servizio), consiste nell’inserimento di quante più parole chiave all’interno di un testo. Questa pratica un tempo consentiva di ottenere ottimi risultati di posizionamento.
L’avvento di Google BERT e del Natural Language Processing ha reso quasi impossibile il posizionamento in presenza di tecniche black-hat SEO. Questo perché la capacità di analisi e comprensione del linguaggio dell’algoritmo NLP lo rende in grado di intuire se una frase è di senso compiuto oppure no.
Un altro aspetto da considerare riguarda l’analisi del sentiment di una frase o di una pagina: questa incredibile capacità ci permette di capire, ora più che mai, quanto sia importante per la SEO la creazione (o l’ottimizzazione, in caso di contenuti già scritti) di contenuti scritti per gli utenti e non esclusivamente per i motori di ricerca. Ancor di più se pensiamo alla diffusione delle ricerche vocali.
Google BERT ha senza dubbio segnato un cambiamento nel modo di intendere le ricerche, ma Google è costantemente al lavoro per migliorare la comprensione delle ricerche degli utenti e per proporre risultati sempre più pertinenti.